Tribune : La nouvelle ère du Machine Learning est arrivée Graham Cooke, CEO de Qubit

Publié le 03/12/2016

ml

Le Machine Learning est souvent évoqué comme une nouveauté, mais c’est en réalité loin d’être le cas. Ceux qui ont vu le film Imitation Game, le biopic sur la vie d’Alan Turing, savent que dès 1950, ce mathématicien britannique avait prédit le rôle que le Machine Learning allait jouer dans l’informatique moderne, dans un article expliquant le concept du test de Turing.

Ce qui a bel et bien changé, en revanche, au cours des dernières années, ce sont les immenses avancées en termes de puissance informatique facilement accessible, ainsi que la quantité de données disponibles ; nous utilisons aujourd’hui des algorithmes qui étaient impensables il y a quelques années. La vitesse à laquelle les données peuvent aujourd’hui être traitées, analysées et actionnées, étonnerait M. Turning himself. Voilà ce qui a complètement transformé le Machine Learning : le concept reste le même, mais il est désormais bien plus sophistiqué, plus efficace, et plus facile à déployer.

L’impact du Machine Learning sur nos vies va bien au-delà des exemples souvent cités en une des journaux, comme celui des voitures autonomes. Il nous offre l’opportunité de mettre fin aux interactions clients vides de sens, une idée particulièrement exaltante. En exploitant le potentiel du Machine Learning, les entreprises peuvent révolutionner la manière dont les consommateurs interagissent avec leurs magasins ou utilisent leurs services. Finies les recommandations produits telles qu’elles se présentent actuellement, il est possible d’aller bien plus loin, dans un monde d’expériences à la fois sophistiquées et hyper personnalisées.

Voir, penser, agir

Le Machine Learning n’offre pas que l’opportunité de traiter automatiquement de grandes quantités de données et d’identifier des habitudes dans le comportement des consommateurs. Aujourd’hui, ces données peuvent également être actionnées.

Prenons un exemple précis. Le Machine Learning pourrait constater qu’une enseigne britannique reçoit un trafic important depuis la France, mais un taux de conversion inférieur à ses attentes. Elle pourrait segmenter ces visiteurs en deux groupes : les francophones d’un côté, et les anglophones de l’autre, puis effectuer des sondages auprès des visiteurs pour savoir si les anglophones sont des Britanniques vivant en France ou des vacanciers. Elle peut alors mettre en place la bonne stratégie de récupération d’abandon programmatique et envoyer le bon message à chacun de ces groupes pour les encourager à acheter.

De même, une compagnie aérienne peut identifier ces segments de clients particulièrement enclins à voyager à une période précise de l’année, et déterminer ce qui peut les encourager à passer à l’acte. C’est l’occasion de se débarrasser une fois pour toute des expériences clients vides de sens.

Nous vivons dans un monde où il est capital de fournir aux clients le contenu qu’ils recherchent en l’espace de seulement quelques secondes. Sans cela, ils risquent de s’ennuyer, d’être distraits, et de quitter le site sur lequel ils naviguaient. La mentalité Tinder du « swipe right, swipe left » insuffle le changement dans tous les secteurs.

Comme toujours, il est facile de rejeter la faute sur les « Millennials », mais il est vrai que cette génération alimente la demande d’expériences sophistiquées et hyper personnalisées. Cette jeune génération accorde plus d’importance aux expériences qu’aux bien matériels, et influence la façon dont les marques interagissent avec les consommateurs : c’est ce qu’on appelle l’économie de l’expérience.

Adopter le Machine Learning n’est plus seulement utile mais nécessaire.

La montée en puissance des expériences clients programmatiques

Pour se rendre compte de l’impact potentiel du Machine Learning sur l’expérience client, il suffit de regarder ce qui s’est passé avec la publicité programmatique il y a quelques années.

Son arrivée a complètement révolutionné la façon dont les publicités sont achetées et ciblées en ligne, exploitant les données non seulement pour automatiser une bonne partie d’un travail très fastidieux, mais aussi pour prendre des décisions stratégiques plus intelligentes en termes d’opportunités pour les marques. Selon certaines études, l’utilisation des techniques programmatiques permet d’améliorer la performance des campagnes entre 30% et 50%.

De même, l’exploitation du Machine Learning dans l’expérience client programmatique a permis aux marketeurs de clairement identifier les segments de clients et de les cibler efficacement. Ils ont maintenant une connaissance précise de leurs clients et de ce qui les intéresse, leur permettant ainsi de concentrer leurs efforts sur la satisfaction des besoins des clients et le dépassement de ces attentes à chaque interaction. Cela va radicalement transformer le monde du retail dans les dix prochaines années.

Changer l’expérience client pour toujours

Les entreprises qui sauront se démarquer dans cette économie de l’exigence sont celles qui sont centrées sur le client, celles qui proposent à la fois de superbes produits et des expériences programmatiques, et qui comprennent comment optimiser leur expérience client afin d’offrir la meilleure expérience possible à chaque segment de clients.

Nous sommes sur le point de transformer l’expérience client à jamais.

 

 

 

A propos de l’auteur

Graham Cooke est le CEO de Qubit, la solution pionnière de la gestion des expériences clients contextuelles.​​

En 2010, après 5 ans passé chez Google, Graham quitte l’entreprise américaine et crée Qubit. Chef de file de l’industrie et conférencier international, Graham Cooke est aussi perçu tel un conseiller et partenaire stratégique par les e-commerces les plus sophistiqués du monde ainsi que par des administrations gouvernementales.

Sous sa direction, Qubit a plus que doublé son CA chaque année depuis sa création. La société compte aujourd’hui près de 300 clients à travers le globe, y compris TOPSHOP, Emirates, Ubisoft, L’Occitane, Intersport, Thomas Cook, etc.